肿瘤微环境（TME）的异质性是阻碍抗癌治疗成功的核心问题之一。了解TME组装的空间结构对于发现肿瘤发生机制和设计新的治疗策略至关重要。今年1月，复旦大学附属中山医院的科研团队在《Clin Transl Med》发表综述文章，回顾了空间组学的技术进步，以及先进的计算方法如何促进多模态空间数据分析；讨论了空间组学研究在精确肿瘤学中的潜在临床转化，并提出了在空间数据解释中将空间生态学原理转移到癌症生物学中。
空间多组学技术
>基于激光捕获显微切割（LCM）的高通量技术可以在细胞水平上量化转录组，但这些技术无法达到更高的分辨率，只能追踪区域位置信息，相关技术包括LCM-seq、TSCS、GEO-seq、Tomo-seq等。
> 大多数基于图像的原位转录组学技术不能捕获整个转录组的概况，但可以提供组织内单细胞甚至亚细胞的分辨率，因此能够发现癌细胞的复杂细胞状态，相关技术包括smFISH、ExFISH、osmFISH、seqFISH 、MERFISH、STARmap等。
>基于空间条形码的转录组学技术使我们在探索细胞器的新功能方面处于独特的地位，相关技术包括Stereo-seq、Visium by 10× Genomics、HDST、Slide-seq等。
>空间蛋白组学技术的发展使我们能够在不丢失空间位置的情况下检测几十种蛋白质，相关技术包括MIBI、IMC、CODEX等。
>空间代谢组学技术将成为识别新疾病特征的实用工具，相关技术包括MALDI-IMS、DESI-IMS、AFADESI-IMS等。
>空间多组学技术联合解析空间的多组学图谱使我们能够重建肿瘤发生的关键过程，相关技术包括DBiT-seq（支持同时记录空间条形码mRNA和感兴趣的蛋白质）、STvEA（可以利用scRNA-seq丰富的多重免疫组化数据，还可以将CODEX成像数据映射到scRNA-seq）。
空间组学的计算方法
> 数据预处理：SCTransform（被嵌入Seurat工具包）、Giotto、Squidpy等；
> 空间变异基因鉴定：SpatialDE、scGCO、trendsceek、SPARK、SOMDE等；
> 聚类：BayesSpace、SpatialCPie等；
> 识别细胞类别/去卷积：SPOTlight、RCTD、stereoscope、DSTG、STUtility等；
> 单细胞分割：Baysor、SPATA等；
> 细胞-细胞通信分析：GCNG、SpaOTsc、MISTy等。
此外，Giotto、Seurat、STUtility可以为空间转录组学（ST）数据提供完整的分析流程。
我是一段分割线
更多空间组学技术及分析方法可订阅
